【摘要】：目的：藥品不良反應(yīng)是醫(yī)學(xué)領(lǐng)域面臨的重大難題之一。藥品不良反應(yīng)的發(fā)生極大的增加了患者的住院時間、經(jīng)濟(jì)負(fù)擔(dān)以及死亡率,甚至還會造成嚴(yán)重的公共衛(wèi)生事件,嚴(yán)重威脅著人類的生命健康。因此,如何有效的對藥品不良反應(yīng)進(jìn)行識別與監(jiān)管,成為了科研部門與衛(wèi)生管理部門密切關(guān)注的問題。目前,對上市后藥品的不良反應(yīng)進(jìn)行監(jiān)測是世界各國衛(wèi)生部門監(jiān)管藥品不良反應(yīng)的主要手段。我國也將完善藥品安全監(jiān)測體系,提升藥品安全監(jiān)測水平作為醫(yī)藥衛(wèi)生體制改革的主要任務(wù)之一。傳統(tǒng)的上市后藥品不良反應(yīng)監(jiān)測多是基于對藥品不良事件上報系統(tǒng)的數(shù)據(jù)挖掘。如今,在醫(yī)學(xué)研究的大數(shù)據(jù)背景下,如何在原有海量藥品不良事件記錄數(shù)據(jù)的基礎(chǔ)上,對其它異構(gòu)化的藥品不良反應(yīng)相關(guān)信息資源進(jìn)行整合,對藥品不良反應(yīng)進(jìn)行有效識別、存儲、組織與利用,不僅是學(xué)術(shù)研究的熱點(diǎn)話題,也是世界各國公共衛(wèi)生管理部門重點(diǎn)關(guān)注的問題之一。因此,本文從醫(yī)學(xué)信息學(xué)的視角,以藥品不良反應(yīng)大數(shù)據(jù)的信息管理流程為切入點(diǎn),應(yīng)用醫(yī)學(xué)大數(shù)據(jù)處理的技術(shù)與方法,對藥品不良反應(yīng)知識的發(fā)現(xiàn)、整合與利用等過程進(jìn)行了深入探討,從而為藥品不良反應(yīng)相關(guān)決策支持提供知識基礎(chǔ)。方法：本文首先通過對國內(nèi)外相關(guān)文獻(xiàn)調(diào)研,基于信息管理的DIKW體系模型,抽象出藥品不良反應(yīng)大數(shù)據(jù)信息、管理的模型。并以此模型作為整個論文研究的理論框架。然后,應(yīng)用自然語言處理方法和分布式大數(shù)據(jù)搜索引擎Elasticsearch,對基于美國食品藥品管理局藥品不良事件上報系統(tǒng)(FDA Adverse Event Reporting System, FAERS)的藥品不良反應(yīng)大數(shù)據(jù)集AERS-DM的數(shù)據(jù)清洗、數(shù)據(jù)規(guī)范化與數(shù)據(jù)存儲過程進(jìn)行了研究。接下來本研究應(yīng)用數(shù)據(jù)挖掘算法對美國患者最常用的20大類慢性病藥品的潛在藥品不良反應(yīng)信號進(jìn)行檢測,并提出了性別差異性藥品不良反應(yīng)挖掘算法,對不同性別的高危藥品不良反應(yīng)信號進(jìn)行了探測,并對所有的挖掘結(jié)果進(jìn)行了可視化展示。接下來在AERS-DM和不良反應(yīng)信號數(shù)據(jù)集的基礎(chǔ)上,獲取RxNorm藥品詞表、NDF-RT藥品術(shù)語集、MedDRA不良事件數(shù)據(jù)集、DrugBank藥品靶蛋白數(shù)據(jù)庫、DART藥品不良反應(yīng)靶蛋白數(shù)據(jù)庫等藥品不良反應(yīng)相關(guān)信息資源,應(yīng)用自然語言處理方法,對信息資源進(jìn)行了知識組織與知識整合,并構(gòu)建了藥品不良反應(yīng)知識庫。最后,在對不同用戶對于藥品不良反應(yīng)知識需求分析的基礎(chǔ)上,以Elasticsearch為數(shù)據(jù)存儲與搜索工具,借助CGI腳本編程,建立了藥品不良反應(yīng)知識庫檢索系統(tǒng)。實現(xiàn)了藥品不良反應(yīng)知識的共享與檢索利用。結(jié)果：通過對DIKW模型的抽象,本研究建立了藥品不良反應(yīng)大數(shù)據(jù)信息管理模型,對藥品不良反應(yīng)大數(shù)據(jù)研究活動中信息流動的規(guī)律做出了總結(jié)。通過對20類常用慢性病藥品的不良反應(yīng)信號和性別差異性不良反應(yīng)信號的大數(shù)據(jù)挖掘,共挖掘出藥品不良反應(yīng)信號20237個,性別差異性藥品不良反應(yīng)信號736個。并根據(jù)信號挖掘的結(jié)果建立了常用藥品不良反應(yīng)信號數(shù)據(jù)集。通過知識整合研究,建立了包含有AERS-DM、不良反應(yīng)信號信息、RxNorm、NDF-RT、MedDRA、DrugBank、 DART共7個數(shù)據(jù)集的藥品不良反應(yīng)知識庫。本研究還建立了藥品不良反應(yīng)知識庫檢索系統(tǒng),該檢索系統(tǒng)包括基礎(chǔ)數(shù)據(jù)檢索模塊、臨床信號檢索模塊和蛋白知識檢索模塊3個主要功能模塊和9個子功能模塊,滿足了不同用戶不同層次的藥品不良反應(yīng)知識需求。結(jié)論：(1)通過對藥品不良反應(yīng)大數(shù)據(jù)信息管理模型的解讀,本研究認(rèn)為藥品不良反應(yīng)大數(shù)據(jù)信息管理的過程實際上就是藥品不良反應(yīng)大數(shù)據(jù)-信息-知識-智慧的轉(zhuǎn)化過程,具體的轉(zhuǎn)化過程是通過各種信息、活動實現(xiàn)的。其最終目的是為患者、醫(yī)生、研究人員、制藥企業(yè)與藥品監(jiān)管部門的藥品不良反應(yīng)相關(guān)決策提供支持,從而促進(jìn)智慧的產(chǎn)生。在信息管理的過程中,藥品不良反應(yīng)大數(shù)據(jù)完成了數(shù)據(jù)結(jié)構(gòu)化、信息分析層次與信息價值三個維度上的升華。(2)通過對FAERS的大數(shù)據(jù)清洗與規(guī)范化,提高了藥品不良事件大數(shù)據(jù)的質(zhì)量。Elasticsearch搜索引擎的應(yīng)用,顯著的提高了藥品不良事件記錄大數(shù)據(jù)存儲與搜索的效率。因此,在數(shù)據(jù)基礎(chǔ)與Elasticsearch支持下,藥品不良事件大數(shù)據(jù)挖掘分析質(zhì)量與效率得到了保證。(3)通過對藥品不良反應(yīng)信號的大數(shù)據(jù)挖掘,發(fā)現(xiàn)了許多藥品與不良事件之間的潛在關(guān)聯(lián)。為后續(xù)臨床、藥學(xué)、流行病學(xué)等多個學(xué)科的相關(guān)研究提供了信息支持,完成了藥品不良事件數(shù)據(jù)向藥品不良反應(yīng)信息的轉(zhuǎn)化過程。(4)通過對不同學(xué)科背景、信息內(nèi)容、數(shù)據(jù)結(jié)構(gòu)的藥品不良反應(yīng)相關(guān)信息資源進(jìn)行整合并建立藥品不良反應(yīng)知識庫,使大量藥品不良反應(yīng)相關(guān)信息之間產(chǎn)生了關(guān)聯(lián),擴(kuò)展了藥品不良反應(yīng)信息的范圍,深化了藥品不良反應(yīng)信息的內(nèi)涵,最終實現(xiàn)了藥品不良反應(yīng)信息向知識的轉(zhuǎn)化。(5)通過對藥品不良反應(yīng)知識庫檢索系統(tǒng)的建立,能夠滿足不同用戶對藥品不良反應(yīng)知識的需求,使藥品不良反應(yīng)知識得到了更深層次的應(yīng)用和更廣泛的知識共享。對醫(yī)生、藥劑師、藥物研究人員、制藥企業(yè)、藥品監(jiān)管部門的相關(guān)人員的決策起到支持作用,為藥品不良反應(yīng)智慧的產(chǎn)生,奠定了知識基礎(chǔ)。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：R95
，

本文編號：2422025